AIREITER同一组提示词下，GPT-5.6 Luna 和 DeepSeek V4 Pro 在我们的 API 测试中都拿到了 3/3 的正确结果，单看能力很可能不足以帮你做决定。真正拉开差距的是价格结构和延迟；而且 DeepSeek 官方定价页已经明确提示，API 服务价格近期将有显著上涨。以下是我们于 2026 年 8 月 10 日测得的数据，以及不同场景下的选择建议。
相同提示词实测：两款 API 都答对了什么
2026 年 8 月 10 日，我们通过同一套 API 流程，分别以默认设置向 GPT-5.6 Luna 和 DeepSeek V4 Pro 发送了三项完全相同的任务：一道故意要求极简回复的 Python 修复题（“只回复修正后的函数”）、一道答案唯一的三月台卡车调度推理题（答案为 10:10），以及一项包含可空字段的严格 JSON 提取任务。两款模型全部答对。
| 任务 | GPT-5.6 Luna | DeepSeek V4 Pro |
|---|---|---|
Python merge_intervals 缺陷修复 | 正确（修复 max()），10.7 秒 | 正确（修复 max()），16.1 秒 |
| 月台调度推理 | 正确（10:10），8.0 秒 | 正确（10:10），27.2 秒 |
| 严格 JSON 提取 | 合法，完全符合 schema，3.0 秒 | 合法，完全符合 schema，7.6 秒 |
这里有两点限制和两项细节值得注意。这只是三项任务的抽样测试，不是完整基准测试。V4 Pro 默认开启思考模式，这基本解释了它在本轮测试中 2–3 倍的延迟差距；每次请求都可以关闭该模式，但高难度推理能力会有所损失。指令遵循方面，Luna 按要求只返回了函数本身，V4 Pro 则额外套了一层 Markdown 代码围栏。在聊天窗口里这无伤大雅，但在自动化流程中会多出一步解析。为检查稳定性，我们把调度题又跑了一次，两款模型仍都回答 10:10。
官方价格核验：DeepSeek 已预告涨价
我们于 2026 年 8 月 10 日核对了两家厂商的官方页面：GPT-5.6 Luna 的价格为每百万输入 token $0.20、缓存输入 $0.02、输出 $1.20（OpenAI 模型页面）；DeepSeek V4 Pro 的缓存未命中输入为每百万 token $0.435、缓存命中输入 $0.003625、输出 $0.87（DeepSeek 定价页面）。
因此，不能简单说哪一款“更便宜”：Luna 的非缓存输入便宜 54%；V4 Pro 的输出便宜 27%；而 V4 Pro 的缓存命中价格比 Luna 低 5.5 倍。最终成本取决于你的 token 构成：
- 交互式聊天（每次调用 1K 输入 + 500 输出）：Luna 为 $0.0008，V4 Pro 为 $0.00087，基本可以视为持平。
- 代码仓库审查（50K 全新输入 + 3K 输出）：Luna 为 $0.0136，V4 Pro 为 $0.0244，Luna 便宜 44%。
- Agent 循环（每轮 200K 缓存输入 + 20K 全新输入 + 10K 输出）：Luna 为 $0.020，V4 Pro 为 $0.018。此时 V4 Pro 更划算，而且缓存轮次越多，优势越明显。
还有一项事实会影响这套成本计算的有效期。DeepSeek 定价页的脚注 2 写道：“我们计划在近期上调 DeepSeek API 服务的整体定价，预计涨幅较大。”目前没有给出日期或具体幅度。但如果你选择 V4 Pro 的核心理由是价格，这条官方预告意味着它存在明确的价格不确定性。Luna 的定价走势则相反：它伴随着 OpenAI 在 8 月下调 GPT-5.6 价格一同推出。
缓存成本：V4 Pro 的主场
DeepSeek V4 Pro 的缓存输入为每百万 token $0.003625，Luna 则是 $0.02，二者相差 5.5 倍。对于每一轮都要重复读取一大段不变前缀的 Agent 工作负载，这一差距会成为总成本的决定因素。已有开发者注意到了这一点：
DeepSeek v4 Pro & MiMo v2.5 Pro ... 对于 Agent 驱动的工作来说便宜得惊人，因为它们的缓存输入价格极低（$0.0036/mtok）。Luna 的缓存输入价格……定价页写的是 $0.02/mtok，贵了 5 倍。— Hacker News 评论者，发表于 GPT-5.6 发布讨论帖
还要把 Luna 的缓存写入附加费算进去：缓存写入按非缓存输入价格的 1.25 倍计费（见 OpenAI 模型页面）；输入超过 272K token 的请求，整次请求都会按 2 倍输入、1.5 倍输出计费。如果你的 Agent 上下文经常超过 272K token，Luna 的实际价格大致会翻倍，而这恰好也是 V4 Pro 缓存优势最强的场景。
建模成本前，先查官方文档
调研过程中，我们发现第三方发布的两款模型数据并不一致：V4 Pro 的每百万输入 token 价格从 $0.435 到 $1.74 不等，Luna 的上下文窗口也被写成过 400K 到 1.05M 的各种版本。核查只需不到一分钟：定价只看上方链接的两份官方页面；确认模型版本字符串是否正确（当前 API 提供的是 DeepSeek-V4-Pro，Flash 固定为 -0731）；再确认所谓“输入价格”指的是缓存命中还是缓存未命中。对 V4 Pro 来说，两者相差 120 倍。
决定适配场景的关键规格
除了价格，还有四项规格差异会直接影响选型：输出上限、模态能力、开放性和 API 能力。两款模型都宣称拥有约 1M 的上下文窗口（Luna 为 1,050,000 token，V4 Pro 为 1M），因此上下文本身并不能区分二者。
| 规格（核验于 2026 年 8 月 10 日） | GPT-5.6 Luna | DeepSeek V4 Pro |
|---|---|---|
| 上下文窗口 | 1,050,000 | 1M |
| 最大输出 token | 128K | 384K |
| 输入模态 | 文本 + 图片 | 仅文本 |
| 推理控制 | Effort 档位（low→max） | 思考开启（默认）/ 关闭 |
| 开放权重 | 否 | 是（可自行托管） |
| Responses API | 是 | 尚未支持（官方信息：2026 年 8 月初） |
| 并发限制 | 取决于使用层级 | 500 |
| 知识截止日期 | 2026 年 2 月 16 日 | 定价页未说明 |
V4 Pro 的 384K 输出上限是 Luna 128K 的 3 倍。这对单次生成整套代码库、长篇翻译或批量结构化提取尤其重要，因为分块处理会引入额外的失败点。Luna 的图片输入则解决了另一类问题，DeepSeek 用户也会主动提到这一短板：
我唯一真正的抱怨是它们不能处理图片，这限制了它们自主调试某些问题的能力。— Hacker News 评论者，谈及用 DeepSeek 做个人项目
开放权重则让结论倒向另一边：V4 Pro 可以下载并自行托管，因此面对数据驻留要求时，它是这里唯一的选择。不过，这种规模的模型需要严肃的多 GPU 服务硬件，不是一个周末拿单台工作站就能完成的项目。
基准成绩更受推理档位影响，而非模型本身
公开的 GPT-5.6 Luna 与 DeepSeek V4 Pro 跑分，胜负可能会随着双方使用的 Effort 档位而反转。同一对模型在某个追踪站上得到 33.3 对 44.3，V4 Pro 胜出，但该测试让 Luna 使用 low effort、V4 Pro 使用 max；在让两者都运行 max 的 Artificial Analysis 中，则是 52 对 45，Luna 胜出。两份数据都没错，测量的只是不同配置。
延迟数据也有同样的陷阱。Artificial Analysis 给出的 Luna max effort 首个回答 token 时间是 132 秒：在 max effort 下，Luna 会先思考大约两分钟再开始回答。我们的默认设置测试中，Luna 在 3–10.7 秒内完成响应。两个数字都是真实的，但只有其中一个接近你的生产配置。开始输出之后，Luna 的吞吐量明显更高：202 token/s，对比 78 token/s（Artificial Analysis）。
推理模式甚至能显著改变同一模型的单项分数：V4 Pro 在 max thinking 下的 GPQA Diamond 得分为 90.1%，关闭思考后则为 72.9%。在共同使用 max effort 的基准中，Luna 在 SWE-Bench Pro 上以 62.7% 对 55.4% 领先，两者在 BrowseComp 上接近打平（83.3 对 83.4）。在相信任何榜单前，先问三个问题：使用了什么 Effort 档位？延迟是否包含思考时间？基准版本是否一致？例如，某追踪站给出的 Terminal-Bench 84.7 对 67.9 差距，比较的是 v2.1 和 v2.0。
到底该选哪一个？
面向用户的产品，选择 GPT-5.6 Luna：在我们的默认设置测试中，它三项任务都快了 2–3 倍，非缓存输入价格约为 V4 Pro 的一半，并且支持图片输入。缓存占比高的 Agent 循环、需要超过 128K token 输出的任务，或必须部署在自有硬件上的场景，则选择 DeepSeek V4 Pro；但做长期承诺时，应把官方涨价预告纳入成本测算。通过 GPT-5.6 Luna 和 DeepSeek V4 Pro，两者只需切换一个 endpoint 就能调用，因此在正式押注前，最好先用自己的业务负载复跑这三组提示词。
| 你的工作负载 | 推荐选择 | 决定性因素 |
|---|---|---|
| 聊天机器人、面向用户的应用 | Luna | 我们的测试延迟为 3.0–10.7 秒，对比 7.6–27.2 秒；202 对 78 tok/s |
| 高量级全新输入处理 | Luna | 每 1M 非缓存输入为 $0.20，对比 $0.435 |
| 基于稳定上下文的 Agent 循环 | V4 Pro | 每 1M 缓存输入为 $0.003625，对比 $0.02 |
| 单次超长输出 | V4 Pro | 最大输出 384K，对比 128K |
| 视觉任务（截图、作为图片的 PDF） | Luna | V4 Pro 仅支持文本 |
| 自行托管 / 数据驻留 | V4 Pro | 开放权重；Luna 仅提供 API |
| 延续至 2027 年的预算确定性 | Luna | DeepSeek 官方已发布涨价通知 |
常见问题
GPT-5.6 Luna 和 DeepSeek V4 Pro 哪个更便宜？
没有绝对答案。Luna 的非缓存输入便宜 54%（每 1M token 为 $0.20，对比 $0.435）；V4 Pro 的缓存输入便宜 5.5 倍（$0.003625，对比 $0.02），输出也便宜 27%（$0.87，对比 $1.20）。重缓存的 Agent 使用 V4 Pro 成本更低；以全新输入为主的工作负载则是 Luna 更划算。
两款模型都支持 1M token 上下文窗口吗？
是。Luna 提供 1,050,000 token，V4 Pro 提供 1M。需要注意的是，Luna 输入超过 272K token 的请求，整次请求会按 2 倍输入和 1.5 倍输出计费。
DeepSeek V4 Pro 是开源的吗？可以自行托管吗？
可以。V4 Pro 提供开放权重，可以自行托管；不同于仅提供 API 的 Luna。但应按多 GPU 推理服务来规划硬件，而不是指望单台工作站即可运行。
GPT-5.6 Luna 支持图片输入吗？
支持，Luna 接受文本和图片输入。DeepSeek V4 Pro 仅支持文本。其用户也将缺少视觉支持视为自主调试工作流中的主要限制。
两款模型的最大输出 token 分别是多少？
DeepSeek V4 Pro 单次响应最多可输出 384K token；GPT-5.6 Luna 上限为 128K。对于一次性生成长文档或大型代码文件，V4 Pro 的上限高出 3 倍。
延伸阅读
- DeepSeek V4 Pro vs GPT-5.6 Sol：同一款 DeepSeek 旗舰模型，对比 OpenAI 中端型号
- GPT-5.6 Luna 评测：跳出本次对比，从产品本身了解 Luna
- DeepSeek V4 Flash vs V4 Pro：如果 V4 Pro 的定价风险让你考虑降档